Google Cloud 출시 노트 페이지에서 모든 Google Cloud의 최신 제품 업데이트를 확인할 수 있습니다.
2019년 4월 10일에 Cloud Machine Learning Engine이 AI Platform Training 및 AI Platform Prediction으로 변경되었습니다. 이 페이지에서는 Cloud ML Engine의 이전 업데이트를 설명합니다.
최신 출시 노트를 참조하세요.
2019년 4월 1일
이제 Cloud ML Engine에서 할인된 가격으로 학습, 온라인 예측, 일괄 예측이 가능합니다.
Cloud ML Engine 가격 책정에 대해 자세히 알아보세요.
2019년 3월 28일
이제 Cloud ML Engine에서 기본 제공 알고리즘을 사용한 학습이 가능합니다. 자동 사전 처리를 위해 데이터를 제출하고 코드를 작성하지 않고도 TensorFlow 선형 학습자, TensorFlow 와이드 앤 딥, XGBoost 알고리즘으로 모델을 학습시킬 수 있습니다.
기본 제공 알고리즘을 사용한 학습에 대해 자세히 알아보세요.
2019년 3월 25일
이제 Cloud ML Engine 런타임 버전 1.13에서 TensorFlow 1.13.1을 지원합니다. 런타임 버전 1.13에 포함된 패키지의 전체 목록은 런타임 버전 목록을 참조하세요.
2019년 3월 8일
Cloud ML Engine 런타임 버전 1.9에서 TPU를 사용한 학습 지원이 2019년 3월 8일에 종료되었습니다. 현재 지원되는 버전은 런타임 버전 목록을 참조하세요.
2019년 3월 6일
이제 Cloud ML Engine 런타임 버전 1.13을 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.13을 지원하며 런타임 버전 목록에 나열된 다른 패키지를 포함합니다.
현재 TPU를 사용한 학습은 런타임 버전 1.13에서 지원되지 않습니다.
2019년 3월 1일
이제 AI Platform Notebooks가 베타 버전으로 제공됩니다. AI Platform Notebooks를 사용 설정하면 JupyterLab과 딥 러닝 소프트웨어 제품군이 사전 패키징된 가상 머신(VM) 인스턴스를 만들고 관리할 수 있습니다.
AI Platform Notebooks 개요 및 새 메모장 인스턴스 만들기 가이드에서 자세한 내용을 참조하세요.
2019년 2월 13일
이제 Cloud TPU가 TensorFlow 모델 학습에 대한 일반 안정화 버전으로 제공됩니다. Tensor Processing Unit(TPU)은 머신러닝 워크로드를 위해 Google에서 커스텀식으로 개발한 가속기입니다.
Cloud ML Engine에서 TPU를 사용하여 모델을 학습시키는 방법을 참조하고 가격 책정에 대해 자세히 알아보세요.
2019년 2월 7일
이제 커스텀 컨테이너를 사용한 학습 기능이 베타 버전으로 제공됩니다. 이 기능을 사용하면 커스텀 Docker 이미지로 Cloud ML Engine에서 학습 애플리케이션을 실행할 수 있습니다. 선택한 ML 프레임워크를 사용하여 커스텀 컨테이너를 빌드할 수 있습니다. 커스텀 컨테이너를 사용하여 PyTorch 모델 학습을 시작해 보세요.
이제 특정 Compute Engine 머신 유형으로 학습 작업을 구성할 수 있습니다. 이렇게 하면 학습 작업에 컴퓨팅 리소스를 보다 유연하게 할당할 수 있습니다. 이 기능은 베타 버전으로 제공됩니다.
Compute Engine 머신 유형으로 작업을 구성할 때 커스텀 GPU 모음을 연결할 수 있습니다.
Compute Engine 머신 유형, GPU 연결, 가격 책정에 대해 자세히 알아보세요.
2019년 2월 1일
이제 온라인 예측용 쿼드 코어 CPU가 베타 버전으로 제공됩니다. 머신 유형 이름이 변경되었으며 가격이 업데이트되었습니다.
- 서비스에 사용할 머신 유형을 지정하려면
projects.models.versions.create에서machineType을 설정합니다. 쿼드 코어 CPU에는mls1-c4-m2를 사용합니다. 기본값은 단일 코어 CPU인mls1-c1-m2입니다. - 알파 버전에서 사용된 머신 이름은 지원 중단되었습니다(
mls1-highmem-1및mls1-highcpu-4). - 자세한 내용은 온라인 예측 가이드를 참조하세요.
- 머신 유형 제공은 업데이트된 가격 책정을 참조하세요.
2019년 1월 25일
이제 us-east4 리전에서 온라인 예측을 사용할 수 있습니다. 리전별 제공 여부 가이드를 참조하세요.
2019년 1월 10일
2018년 12월 19일
이제 Cloud ML Engine 런타임 버전 1.11 및 1.12를 학습 및 예측에 사용할 수 있습니다. 이러한 버전은 TensorFlow 1.11 및 1.12를 각각 지원하고 런타임 버전 목록에 나열된 다른 패키지도 지원합니다.
Cloud ML Engine 런타임 버전 1.11 및 1.12에 TPU 학습 지원이 추가되었습니다. Version 1.10은 지원되지 않습니다. 현재 지원되는 버전은 런타임 버전 목록을 참조하세요.
이제 각 Cloud ML Engine 런타임 버전에 joblib이 포함됩니다. joblib이 포함된 가장 오래된 런타임 버전은 1.4 버전입니다.
2018년 10월 26일
Cloud ML 런타임 버전 1.8에 대한 TPU 학습 지원이 2018년 10월 26일에 종료되었습니다. 현재 지원되는 버전은 런타임 버전 목록을 참조하세요.
2018년 10월 11일
Cloud ML Engine 런타임 버전 1.11은 GPU 학습 중 CuDNN 버전 불일치로 발생한 오류로 인해 롤백됩니다. 현재 해결 방법은 런타임 버전 1.10을 사용하는 것입니다. 자세한 내용은 런타임 버전 목록을 참조하세요.
2018년 10월 5일
이제 Cloud ML Engine 런타임 버전 1.11을 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.11 및 런타임 버전 목록에 나열된 다른 패키지를 지원합니다.
2018년 8월 31일
이제 Cloud ML Engine 런타임 버전 1.10을 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.10 및 런타임 버전 목록에 나열된 다른 패키지를 지원합니다.
2018년 8월 27일
이제 새로운 두 리전(us-west1, europe-west4)에서 학습을 사용할 수 있습니다. 자세한 내용은 지역 페이지를 참조하세요.
2018년 8월 24일
Cloud ML 런타임 버전 1.7에 대한 TPU 학습 지원은 2018년 8월 24일에 종료되었습니다. 현재 지원되는 버전은 런타임 버전 목록을 참조하세요.
2018년 8월 9일
AI Platform Prediction을 사용한 온라인 예측 가격이 대폭 인하되었습니다.
다음 표에서 이전 가격 및 새 가격을 확인할 수 있습니다.
| 리전 | 노드별 시간당 이전 가격 | 노드별 시간당 새 가격 |
|---|---|---|
| 미국 | $0.30 USD | $0.056 USD |
| 유럽 | $0.348 USD | $0.061 USD |
| 아시아 태평양 | $0.348 USD | $0.071 USD |
자세한 내용은 가격 책정 가이드를 참조하세요.
2018년 8월 8일
AI Platform Prediction에서 Cloud TPU 사용 시 프로모션 가격이 적용되므로 상당한 비용 절감 효과를 얻을 수 있게 되었습니다.
다음 표에서 이전 가격 및 새 가격을 확인할 수 있습니다.
| 리전: 미국 | TPU별 시간당 이전 가격 | TPU별 시간당 새 가격 |
|---|---|---|
확장 등급: BASIC_TPU(베타) |
$9.7674 USD | $6.8474 USD |
커스텀 머신 유형: cloud_tpu(베타) |
$9.4900 USD | $6.5700 USD |
이 표에서는 미국 리전 가격만 확인할 수 있습니다. Cloud ML Engine에서의 Cloud TPU 가용성에는 변화가 없습니다. 자세한 내용은 가격 책정 가이드를 참조하세요.
2018년 8월 6일
이제 Cloud ML Engine 런타임 버전 1.9를 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.9 및 런타임 버전 목록에 나열된 다른 패키지를 지원합니다.
2018년 7월 23일
이제 Cloud ML Engine은 학습용 scikit-learn 및 XGBoost를 지원합니다. 이 기능은 일반 안정화 버전입니다. Cloud ML Engine에서 scikit-learn 및 XGBoost를 사용한 학습 가이드를 참조하세요.
scikit-learn 및 XGBoost에 대한 온라인 예측 지원이 이제 일반 안정화 버전으로 제공됩니다.
- 모델 버전을 만들 때 머신러닝 프레임워크를 지정하려면
projects.models.versions.create에서framework를 설정합니다. 유효한 값은TENSORFLOW,SCIKIT_LEARN,XGBOOST입니다. 기본값은TENSORFLOW입니다.SCIKIT_LEARN또는XGBOOST를 지정할 경우runtimeVersion도 모델 버전 1.4 이상으로 설정해야 합니다. - scikit-learn 및 XGBoost를 사용한 로컬 학습 및 온라인 예측 가이드를 참조하세요.
2018년 7월 12일
AI Platform Prediction 리소스(작업(Job) , 모델, 모델 버전)에 라벨을 추가한 후 이러한 라벨을 사용하여 리소스를 카테고리로 구성할 수 있습니다. 작업(Operation)에도 라벨을 사용할 수 있습니다. 이 경우 작업(Operation)이 적용되는 리소스에 따라 라벨 이름이 지정됩니다. 라벨 추가 및 사용에 대해 자세히 알아보세요.
2018년 6월 26일
2018년 6월 13일
Cloud ML 런타임 버전 1.6에 대한 TPU 학습 지원은 2018년 6월 13일에 종료되었습니다. 현재 지원되는 버전은 런타임 버전 목록을 참조하세요.
2018년 5월 29일
이제 TensorFlow 1.8 버전의 Cloud TPU(베타) 및 Cloud ML Engine 런타임 버전 1.8을 사용할 수 있습니다.
배경 정보: Cloud TPU는 5월 14일부터 Cloud ML Engine 런타임 버전 1.6 및 1.7에서 사용할 수 있게 되었습니다. 지난 주에 런타임 버전 1.8이 출시되었지만 TensorFlow 1.8 버전의 Cloud TPU는 사용할 수 없었습니다. 이제 Cloud ML Engine에서 TPU를 사용하여 모델을 학습시키는 방법을 참조하세요.
2018년 5월 16일
이제 Cloud ML Engine 런타임 버전 1.8을 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.8 및 런타임 버전 목록에 나열된 다른 패키지를 지원합니다.
2018년 5월 15일
이제 기존 모델 버전에서 자동 확장을 위한 최소 노드 수를 업데이트할 수 있으며, 새 버전을 만들 때 속성을 지정할 수 있습니다.
2018년 5월 14일
이제 Cloud ML Engine은 학습용 TensorFlow 모델을 위한 Cloud TPU(베타)를 제공합니다. Tensor Processing Unit(TPU)은 Google에서 커스텀 개발한 ASIC로, 머신러닝 워크로드를 빠르게 처리하는 데 사용됩니다. Cloud ML Engine에서 TPU를 사용하여 모델을 학습시키는 방법을 참조하세요.
2018년 4월 26일
이제 Cloud ML Engine 런타임 버전 1.7을 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.7 및 런타임 버전 목록에 나열된 다른 패키지를 지원합니다.
2018년 4월 16일
초매개변수 알고리즘: 이제 학습 작업에서 초매개변수를 조정할 때 HyperparameterSpec에서 검색 알고리즘을 지정할 수 있습니다. 사용 가능한 값은 다음과 같습니다.
GRID_SEARCH: 가능한 공간 내에서 수행하는 간단한 그리드 검색입니다. 이 옵션은 가능한 공간의 포인트 수보다 많은 시험 횟수를 지정하려는 경우에 특히 유용합니다. 이러한 경우 그리드 검색을 지정하지 않으면 Cloud ML Engine 기본 알고리즘이 중복 제안을 생성할 수 있습니다. 그리드 검색을 사용하려면 모든 매개변수는INTEGER,CATEGORICAL,DISCRETE유형이어야 합니다.RANDOM_SEARCH: 가능한 공간 내에서 수행하는 간단한 무작위 검색입니다.
알고리즘을 지정하지 않으면 작업은 기본 Cloud ML Engine 알고리즘을 사용합니다. 이 알고리즘은 매개변수 검색이 매개변수 공간에서의 효과적인 검색을 통해 최적의 솔루션에 도달하도록 유도합니다. 초매개변수 조정에 대한 자세한 내용은 초매개변수 조정 개요를 참조하세요.
2018년 4월 5일
이제 Cloud ML Engine은 온라인 예측용 scikit-learn 및 XGBoost를 지원합니다. 이 기능은 베타 버전입니다.
- 모델 버전을 만들 때 머신러닝 프레임워크를 지정하려면
projects.models.versions.create에서framework를 설정합니다. 유효한 값은TENSORFLOW,SCIKIT_LEARN,XGBOOST입니다. 기본값은TENSORFLOW입니다.SCIKIT_LEARN또는XGBOOST를 지정할 경우runtimeVersion도 모델 버전 1.4 이상으로 설정해야 합니다. - Cloud ML Engine의 scikit-learn 및 XGBoost 가이드를 참조하세요.
온라인 예측에 Python 3.5를 사용할 수 있습니다.
- 모델 버전을 만들 때 Python 버전을 지정하려면
projects.models.versions.create에서pythonVersion을 설정합니다. 기본값은 Python 2.7입니다. - Cloud ML Engine에서 사용 가능한 모든 패키지에 대한 자세한 내용은 런타임 버전 목록을 참조하세요.
2018년 3월 20일
이제 Cloud ML Engine 런타임 버전 1.6을 학습 및 예측에 사용할 수 있습니다. 이 버전은 TensorFlow 1.6 및 런타임 버전 목록에 나열된 다른 패키지를 지원합니다.
2018년 3월 13일
이제 TensorFlow 1.5에 대한 Cloud ML Engine 런타임 버전을 학습 및 예측에 사용할 수 있습니다. 자세한 내용은 런타임 버전 목록을 참조하세요.
2018년 2월 8일
초매개변수 조정에 대한 새로운 기능(자동화된 시험 조기 중단, 이전 초매개변수 조정 작업 재개, 유사한 작업 실행 시 추가 효율성 최적화)이 추가되었습니다. 자세한 내용은 초매개변수 조정 개요를 참조하세요.
2017년 12월 14일
이제 TensorFlow 1.4에 대한 Cloud ML Engine 런타임 버전을 학습 및 예측에 사용할 수 있습니다. 자세한 내용은 런타임 버전 목록을 참조하세요.
이제 학습용 Python 3은 TensorFlow 1.4에 대한 Cloud ML Engine 런타임 버전의 일부로 사용할 수 있습니다. 자세한 내용은 런타임 버전 목록을 참조하세요.
학습 및 예측 모두 가격이 저렴해지고 간소화되었습니다. 가격 책정 세부정보, 블로그 게시물을 참조하고 가격 FAQ에서 이전 가격과 현재 가격을 비교해 보세요.
2017년 10월 26일
이제 Cloud ML Engine용 감사 로깅이 베타 버전으로 제공됩니다. 자세한 내용은 감사 로그 보기를 참조하세요.
2017년 9월 25일
Cloud ML Engine의 사전 정의된 IAM 역할이 일반 공개 버전으로 제공됩니다. 자세한 내용은 액세스 제어를 참조하세요.
2017년 6월 27일
이제 TensorFlow 1.2에 대한 Cloud ML Engine 런타임 버전을 학습 및 예측에 사용할 수 있습니다. 자세한 내용은 런타임 버전 목록을 참조하세요.
TensorFlow 0.11 및 0.12가 포함된 이전 런타임 버전은 Cloud ML Engine에서 더 이상 지원되지 않습니다. 자세한 내용은 런타임 버전 목록 및 이전 런타임 버전 타임라인 지원을 참조하세요.
2017년 5월 9일
GPU 지원 머신의 일반 안정화 버전이 발표되었습니다. 자세한 내용은 클라우드에서 학습 모델용 GPU 사용을 참조하세요.
2017년 4월 27일
이제 GPU를 us-central1 리전에서 사용할 수 있습니다. GPU를 지원하는 전체 지역 목록은 클라우드에서 학습 모델용 GPU 사용을 참조하세요.
v1(2017년 3월 8일)
AI Platform Prediction의 일반 안정화 버전이 발표되었습니다. 모델 학습, 모델 배포, 일괄 예측 생성에 Cloud ML Engine 버전 1을 일반적으로 사용할 수 있습니다. 초매개변수 조정 기능도 일반 안정화 버전으로 제공되지만, 온라인 예측 및 GPU 지원 머신은 베타 버전으로 제공됩니다.
이제 온라인 예측은 베타 출시 단계에 있습니다. 온라인 예측의 사용은 Cloud ML Engine 가격 정책의 적용을 받으며, 일괄 예측과 동일한 가격 책정 공식을 따릅니다. 온라인 예측은 베타 버전으로 유지되며, 중요한 애플리케이션에서 사용할 수 없습니다.
Cloud ML Engine이 모델을 학습시키고 예측하는 데 사용하는 환경은 Cloud ML Engine 런타임 버전으로 정의되어 있습니다. 모델 리소스를 학습시키거나 정의할 때 또는 일괄 예측을 요청할 때 사용할 지원되는 런타임 버전을 지정할 수 있습니다. 현재 런타임 버전 간 주요 차이점은 각 버전에서 지원되는 TensorFlow 버전이지만 시간이 지나면 더 많은 차이가 발생할 수 있습니다. 자세한 내용은 런타임 버전 목록에서 확인할 수 있습니다.
이제 Cloud ML Engine에서 모델 버전으로 호스팅하지 않고 Google Cloud Storage에 저장된 TensorFlow 저장된 모델에 대해 일괄 예측 작업을 실행할 수 있습니다. 작업을 생성할 때, 모델 또는 버전 ID를 제공하는 대신 저장된 모델의 URI를 사용할 수 있습니다.
Google Cloud Machine Learning SDK(이전에 알파 버전으로 출시)는 지원이 중단되었으며, 2017년 5월 7일부터 더 이상 지원되지 않습니다. SDK에서 노출된 대부분의 기능은 새로운 TensorFlow 패키지인 tf.Transform으로 이동했습니다.
입력 데이터를 사전 처리할 때 원하는 모든 기술 또는 도구를 사용할 수 있습니다. 하지만 Google Cloud Dataflow, Google Cloud Dataproc, Google BigQuery 등 Google Cloud Platform에서 사용할 수 있는 서비스뿐만 아니라 tf.Transform도 권장합니다.
v1beta1(2016년 9월 29일)
온라인 예측은 알파 버전 기능입니다. AI Platform Prediction은 전반적으로 베타 단계에 있지만 온라인 예측은 아직 성능 향상을 위해 중요한 변화를 겪고 있습니다. 온라인 예측이 알파 버전으로 제공되는 동안에는 요금이 부과되지 않습니다.
사전 처리 및 나머지 Cloud ML Engine SDK는 알파 버전 기능입니다. SDK는 Cloud ML Engine과 Apache Beam을 더욱 완벽하게 통합하기 위한 개발을 진행하고 있습니다.